Amazon Bedrock上でグラウンディングされたAIを構築するQlik Answersは、企業に共通する課題に取り組みます。従業員にはデータが不足しているのではなく、実務的な質問を素早く投げかけ、信頼できる回答を得る方法が不足しています。アナリストは、同僚が一言で尋ねられるようなことに答えるために、ドキュメント、ダッシュボード、組織の知識の中を何時間も検索しています。そして、生成AIでこのギャップを埋めようとする組織の多くが同じ壁にぶつかります。出典のない回答、結果を検証する手段の欠如、そして規制された環境でツールを展開する道筋がないことです。
Qlik。データ統合、データ品質、アナリティクス、AIの分野におけるグローバルリーダーであるQlikは、Qlik Answersを構築して、世界中の40,000を超える顧客のこの課題を解決しました。2026年2月の一般提供開始以来、Qlik Answersは初期の機能から日常的な利用へと進化しています。 QlikのDiscovery Agent。AI駆動の異常値および外れ値検出エージェントであるこのエージェント単体で、ローンチ以来100,000件を超える発見を顧客にもたらしており、エージェントツールを有効化しているQlik Cloudアカウントの大多数が積極的にこれらを利用しています。
本記事では、Qlikがこの普及の裏にあるツールをどのように構築したか、そしてAmazon Bedrockがグローバル規模でそれをどのように支えているかを説明します。
課題
Qlikは、Qlik Answersを顧客基盤全体に本番展開するために同時に解決する必要があった3つの問題を特定しました。
- 誰の速度も落とさずに専門化された推論をオーケストレーションすること。 エンタープライズの質問は多岐にわたります。迅速な参照で済むものもあれば、構造化されたアナリティクス、非構造化ドキュメント、用語集の定義、あるいはオートメーションからの情報取得を必要とするものもあります。単一の汎用アシスタントは、機能が追加されるほど速度が遅くなり、精度が低下する傾向があります。
- リージョンをまたぐデータ主権要件を満たすこと。 Qlikはヨーロッパ、アジア太平洋、アメリカ大陸の顧客にサービスを提供しており、それぞれ独自のデータレジデンシー要件を持っています。単一のグローバル展開モデルではこれらの要件を満たせませんが、11の個別のリージョン構築を一貫して維持・改善することは困難です。
- 需要の数か月前にモデル容量を予測すること。 トークン消費量とモデルの可用性は、主要なローンチの3〜6か月前に計画する必要がありました。Qlikはその後、顧客が製品を使い始めた時点で実際の使用状況に対してこれらの予測を検証し、採用の拡大が容量問題に発展しないようにしました。
ソリューション概要
Qlik Answersは、アナリストだけでなく従業員に対して、自然言語で質問し、出典付きの根拠ある回答を受け取るための単一の場所を提供します。質問に応じて、その回答はナレッジベース、ライブのアナリティクスアプリ、用語集の定義、あるいはドキュメントから得られます。基盤となるシステムがどの経路を取るかを判断します。
3つの導入事例が、顧客にとってそれがどのようなものかを示しています。
- Bystronic。世界有数の板金加工のスペシャリストである同社は、わずか15分でAIチャットボットを展開し、従業員がリアルタイムのオペレーションデータを照会し、部門を横断して出典付きの回答を得られるようにしました。
- Lintech International は、17,000を超える技術ドキュメントをQlik Answersにインデックス化し、手作業による調査時間を削減し、対応時間を75%短縮することで、ビジネスマネージャーに週最大7時間を取り戻しました。
- TouchPoint Support Servicesは、650のヘルスケア施設にサービスを提供し、規模を2倍に拡大することを目指しています。同社はQlik Answersを活用し、規制された高速な環境で働く15,000人のスタッフに、迅速かつコンプライアンスに沿ったガイダンスを提供しています。
これを大規模に支えるため、Qlikは1つの巨大なアシスタントではなく、明確なアーキテクチャ上の境界を中心にシステムを構築しました。主要なレイヤーは以下の通りです。
- エントリレイヤー。Qlik Cloud内の安定した会話エントリポイントであり、顧客とアシスタントのやり取り方法を変更することなく、新しいバックエンド機能を追加できます。
- ルーティングレイヤー。ユーザーのメッセージと会話のコンテキストを読み取り、リクエストの送り先を決定する軽量なレイヤーです。その唯一の役割はタスク自体を解くことではなく、高速で正確なルーティング判断です。
- 回答レイヤー。リクエストがルーティングされると応答生成を調整し、単純なリクエスト向けの高速パスと、質問をサブ質問に分解して複数のソースから情報を引き出すより慎重なパスとの間で選択を行います。
- 専門エージェント層. 共有スウォームランタイムが専門エージェント、ツール、状態、ヒューマン・イン・ザ・ループのステップの動作を定義するため、それぞれが独自のオーケストレーションモデルを作り込むことなく、新しい専門エージェントを追加できます。
- 対話型アナリティクスレイヤー構造化データの質問を、一般的なテキスト生成ではなく分析向けに構築されたアプリ対応の推論パスへルーティングすることで処理します。
- 検索レイヤー. 非構造化ドキュメントのインデックス作成と検索はAmazon OpenSearch Service上で実行され、Qlik Answersがナレッジベースやドキュメントに関する質問への回答の根拠とするコンテンツを保存・検索します。
- モデルアクセス層Qlik独自の大規模言語モデル(LLM)ゲートウェイを通じてアクセスされるこのレイヤーは、チャット、ストリーミング、埋め込み、およびリランキングのためにAmazon Bedrockに接続します。また、すべてのリクエストとレスポンスにAmazon Bedrock Guardrailsを適用します。これには、プロンプトインジェクション、個人を特定できる情報(PII)、シークレット、および拒否されたトピックに対するコンテンツフィルタリングに加え、生成された回答に対するグラウンディング検証チェックが含まれます。顧客が利用しているモデルがBedrock経由ではまだそのリージョンで利用できない場合、Qlikは代わりにAmazon SageMaker AI上でそのモデルをホストし、リージョンでの利用が可能になった後、そのワークロードをBedrockに戻します。AWSリージョンごとのモデルの利用可否については、AWSドキュメントの「Supported models by AWS Region in」を参照してください。 Amazon Bedrock.
図1: 従業員からの質問は、エントリ層、ルーティング層、回答層を流れ、その後専門エージェント、分析エージェント、検索エージェント(Amazon OpenSearch Service がバックエンド)に分岐し、モデルアクセス層に集約されます。モデルアクセス層は Amazon Bedrock で利用可能な基盤モデルに接続し、Amazon SageMaker AI が同一リージョン内のフォールバックとして機能します。
回答を実際の情報源に根付かせる
グラウンディング(根拠付け)は、フレームワークにおけるより重要な設計上の決定の一つでした。回答レイヤーは、質問に応じていくつかの種類のコンテキストから情報を引き出します。構造化されたアプリのメタデータ、取得されたナレッジベースのコンテンツ、用語集の定義、オートメーションのコンテキスト、そして要約用のドキュメントコンテンツです。完全な回答の要素が返された後、レスポンス全体が組み立てられ、ユーザーに提示されます。
検索だけでは正確性は保証されません。Qlikはさらに、Amazon Bedrock Guardrailsの文脈に基づくグラウンディング(contextual grounding)機能を使用して、生成された回答ごとに、その回答の根拠となったソースコンテンツと照合するグラウンディング検証チェックを実行しています。これにより、グラウンディングは単なる検索ステップから、検証済みの本番運用コントロールへと変わります。非構造化の質問については、このツールはAmazon OpenSearch Serviceから質問に固有のコンテンツを取得し、そのコンテキストを引き継ぐことで、最終的な回答に出典付きの引用を含めます。構造化された質問については、処理を会話型アナリティクスのパスに引き渡します。用語集参照(glossary lookup)、オートメーション、ドキュメント要約などのさらなる機能は、機能コントロールとともに展開されるため、Qlikは全顧客のデフォルトの体験を不安定にさせることなく、ツールでできることを拡大できます。テナントごとの機能オプションにより、Qlikはリクエストごとに利用可能なオーケストレーションパスを再構築できるため、機能を選択的に有効化しながら、アーキテクチャ全体を顧客全体で一貫した状態に保つことができます。
図2: スペシャリストエージェントのスウォーム。共有状態、ツール、ヒューマンインザループのステップにより、新しいスペシャリストエージェントが共通のランタイムに接続できる
なぜAmazon Bedrockなのか
Qlikは自社のモデル戦略を前述の3つの問題に照らして評価し、Amazon Bedrockがそれぞれの問題に直接的に対応していることを確認しました。
マルチモデルの柔軟性。 Bedrockにより、Qlikはシステム全体を単一モデルのトレードオフに縛られることなく、各エージェントのタスクに最も適したモデルを割り当てることができます。
大規模なデータ主権。 Amazon Bedrockのクロスリージョン推論（CRIS)、Qlikは11のすべてのリージョンでサービスを提供しながら、コンプライアンス上必要とされる場所にデータを保持できます。これにより、グローバルなリーチとデータ主権の制御が、単一のマネージド機能として実現されます。
マネージドサービスを選択的に導入する余地がある。 AWSのリージョナルなデプロイモデルとキャパシティ予約オプションにより、Qlikは今日もスケールを続ける余地を確保しています。準備が整った際には、Amazon Bedrock AgentCoreのようなサービスにより、完全な移行を行うことなく、特定のワークロードの運用オーバーヘッドの多くをオフロードする選択肢がQlikに得られます。
Qlikは、アプリケーションロジックを単一のモデルに直接結合させるのではなく、独自のLLMゲートウェイを通じてBedrockを利用しています。プロダクトチームは、周辺のアプリケーションを書き換えることなく、タスクごとにモデルの選択を変更できます。モデル戦略が進化し続けることを前提とするシステムにとって、この分離は重要です。
需要に先立ったキャパシティの計画
Qlikは大規模なローンチの3～6か月前にモデルのキャパシティを予測しているため、チームは機能別およびリージョン別にトークン消費を予測する実用的なモデルを構築し、各ロールアウト後に実際の使用量をその予測と照合しました。この規律こそが、2月の一般提供が採用の増加に伴う負荷を抱えることなくスケールした理由の一つです。
ビジネス成果と顧客への影響
2026年2月のQlikのエージェント体験の一般提供開始以来、Discovery Agentは顧客向けに100,000件以上のディスカバリーを明らかにしており、エージェントツールを有効にしているQlik Cloudアカウントの大多数は、一度試して終わるのではなく、エージェントを積極的に活用しています。
顧客別の結果は別途報告されており、以下が含まれます。 Lintech Internationalの75%速い対応時間と、ビジネス管理者に週最大7時間をもたらす効果、そして Bystronicの15分でのチャットボット導入.
得られた教訓
40,000 以上の顧客向けて Qlik Answers を構築・スケールする中で、Bedrock 上にエージェント型ツールを構築している他のチームの参考になりそうないくつかの教訓が得られました。
- 高速ルーティングと深い推論は早い段階で分離すること。両者を一体化すると、すべてのリクエストが必要以上の処理コストを払うことになる。
- マルチエージェント実行については、新しい専門エージェントがそれぞれ独自のランタイムを考案するのではなく、1つのオーケストレーションフレームワークに標準化すること。切り離された複数のエージェントシステムよりも、1つのアプリケーションを運用する方が簡単だ。
- 安全性チェックとグラウンディングチェックを、機能ごとの後付けではなくシステムレベルのゲートとして扱いましょう。モデルアクセス層で一度実行するようにすれば、新しい専門エージェントがすべて自動的に同じ保護を引き継ぐことになります。
- テナントレベルでフィーチャーフラグを使用し、機能を段階的に拡大しましょう。これにより、実績の少ない新機能がコア体験の信頼性に影響を与えるのを防げます。
- 必要になる前に、キャパシティ予測の習慣を築きましょう。各ローンチ後に予測使用量と実際の使用量を照合することこそが、キャパシティプランニングを当て推量から再現可能なプロセスへと変えるのです。
今後の展望
Qlikのロードマップでは、アーキテクチャを意図的にオープンで適応力のあるものに保っています。チームは、マネージドなエージェンティックランタイムが運用オーバーヘッドを削減できる一部のワークロードについてAmazon Bedrock AgentCoreを評価している一方で、コスト、レイテンシー、移植性についてQlikにより多くの制御をもたらす場面では、オープンスタンダードと独自のオーケストレーション層の上での構築を続けています。その狙いは、マネージドサービスが役立つ場面では導入の選択肢を残しつつ、フレームワークを特定のサービスを中心に設計しないことです。また、Qlikはモデルパフォーマンスを評価するための体系的なフレームワークも構築しています。これにより、より適合するモデルが利用可能になった際に、顧客がすでに依存している体験を損なうことなく切り替えることができます。
まとめ
2026年2月のローンチ以降のQlik Answersの採用状況は、目立たずに機能するように構築されたアーキテクチャを反映しています。スピードが重要な場面では速く、正確性が重要な場面では慎重に、全体を通じて実際のソースに基づき、規制産業が頼れるほどの安全性を備えています。Amazon Bedrockのモデルの柔軟性、リージョナルソブリンティ制御、そしてGuardrailsによるコンテンツフィルタリングとグラウンディング検証が、Qlikにその体験をグローバルスケールで構築するための基盤をもたらしました。これまでの成果には、100,000件を超えるディスカバリーの発掘、LintechやTouchPointのような企業での従業員時間の創出、そしてエージェンティックツールを有効化したアカウントの過半数が試用後もエージェントを使い続けていることが含まれます。
Qlik Answersがお客様のデータで何を行えるかを確認するには、 Qlik Cloud Analyticsの無料トライアルを開始するか、 Qlik Answersのデモ または QlikとAWSのデモをご依頼いただくか、 Qlik Answers製品ページ にアクセスして詳細をご覧ください。